Ispeziona file delimitati di grandi dimensioni senza caricare ogni riga contemporaneamente
CSV è una famiglia di convenzioni piuttosto che un formato perfettamente uniforme. Delimitatori, virgolette, ritorni a capo incorporati, codifiche e lunghezze di riga irregolari influiscono tutti sul modo in cui appare un file.
Il visualizzatore legge intervalli gestibili e crea segnalibri per parti successive di un file di grandi dimensioni. È progettato per ispezioni e correzioni modeste, non per sostituire un database o un motore di calcolo completo di fogli di calcolo.
CSV è una convenzione con molti dialetti
Sono comuni i delimitatori di virgola, punto e virgola, tabulazione e barra verticale. I campi tra virgolette possono contenere delimitatori e ritorni a capo, mentre le virgolette con escape richiedono una gestione coerente.
Un delimitatore sbagliato può produrre una colonna gigante. Una citazione interrotta può spostare migliaia di righe successive. Ispeziona il testo non elaborato vicino alla prima anomalia anziché correggere ogni cella spostata.
Gli errori di codifica sembrano errori di dati
UTF-8 è comune ma non universale. Le codifiche legacy possono trasformare lettere e simboli accentati in caratteri sostitutivi o sequenze di byte fuorvianti.
Converti una copia con uno strumento di codifica conosciuto quando necessario, quindi riapri e confronta un campione di nomi e testo non ASCII.
La navigazione nell'intervallo cambia il modo in cui esegui la revisione
Il visualizzatore visualizza intervalli di righe gestibili e registra gli offset periodici per rendere pratici i salti successivi. Ciò evita di costruire un'enorme tabella DOM per l'intero file.
Il campionamento crea responsabilità: ispezionare gli intervalli iniziali, medi, tardivi e limite. Le prime cento righe pulite dicono poco sui record non validi verso la fine.
Le esportazioni hanno bisogno di una riconciliazione indipendente
Le modifiche e la serializzazione possono modificare le virgolette, le terminazioni di riga o la rappresentazione anche quando i valori visibili sembrano uguali. Salva con un nuovo nome file e mantieni la fonte.
Apri l'esportazione in un secondo parser, confronta i conteggi di righe e colonne e controlla a campione le righe modificate e quelle adiacenti. Per le trasformazioni critiche, utilizza una pipeline di dati riproducibile anziché modifiche manuali.
Proteggi il significato delle righe durante la modifica e l'esportazione
Una piccola modifica può modificare più di una cella se i presupposti per delimitatore, virgolette, fine riga o codifica differiscono tra l'origine e la destinazione. Prima della modifica, registrare il delimitatore rilevato, i nomi delle intestazioni e il conteggio approssimativo delle righe. Dopo l'esportazione, riapri il nuovo file come nuovo input e controlla le righe contenenti virgole, virgolette, caratteri non ASCII, valori vuoti e interruzioni di riga incorporate. Confronta alcuni identificatori stabili con la fonte in modo che le colonne spostate siano ovvie. Se un altro sistema importerà il risultato, utilizzare prima un'importazione di test non di produzione e mantenere disponibile la fonte intatta per il rollback e il confronto.
Avvio rapido: LocalUtils
- Aprire una copia del file e verificare che il delimitatore rilevato produca colonne sensibili.
- Rivedi l'intestazione e il primo intervallo prima di approfondire il file.
- Utilizza la navigazione tra righe per esaminare gli intervalli successivi; i segnalibri vengono creati periodicamente per evitare di ripetere l'analisi dall'inizio per ogni salto.
- Apporta solo modifiche intenzionali, salva un'esportazione e confronta il numero di righe e le colonne critiche con l'origine.
Cosa fa il browser
Papa Parse gestisce l'analisi CSV in un lavoratore. Il visualizzatore espone intervalli di circa 100 righe e registra gli offset dei file a intervalli di circa 10.000 righe per una ricerca più rapida.
Il CSV selezionato viene letto dal browser anziché caricato su un server di analisi LocalUtils. Le codifiche dei file e il comportamento del parser determinano comunque se ogni carattere e campo tra virgolette viene interpretato correttamente.
Ingressi e uscite
- Input: file di testo delimitati leggibili tramite l'API File del browser.
- Visualizza: intervalli di pagine con colonne rilevate e navigazione tra le righe.
- Output: un CSV esportato che riflette le modifiche supportate; le formule dei fogli di calcolo e le funzionalità della cartella di lavoro non rientrano nel formato.
Limiti da sapere prima di iniziare
- Il rilevamento della codifica è limitato; potrebbe essere necessario convertire un file in UTF-8.
- Le virgolette non corrette o i ritorni a capo incorporati possono spostare le colonne.
- Le modifiche sono operazioni sulla memoria del browser e non sono un flusso di lavoro del database transazionale.
- Righe molto larghe, campi enormi o memoria limitata del dispositivo possono comunque influire sulla reattività.
Lista di controllo per la verifica
- Confronta i nomi delle intestazioni, il conteggio delle righe e il delimitatore con l'origine.
- Esamina gli intervalli iniziale, intermedio e finale anziché solo la prima schermata.
- Apri l'esportazione in un altro parser e controlla a campione le celle modificate e le righe circostanti.
Risoluzione dei problemi
- Se tutti i dati vengono visualizzati in una colonna, scegli il delimitatore corretto o controlla l'origine con un editor di testo.
- Se gli accenti sembrano sbagliati, converti una copia in UTF-8 prima di riaprire.
- Se i conteggi delle righe differiscono, controlla i ritorni a capo tra virgolette, i record finali vuoti e gli avvisi del parser.
Domande che le persone fanno
Perché Excel mostra qualcosa di diverso?
Il software per fogli di calcolo applica le proprie regole di delimitatore, impostazione locale, data, formula e inferenza del tipo. CSV stesso memorizza i campi di testo, non i tipi di cartelle di lavoro.
Un CSV può contenere una formula?
Un campo può iniziare con caratteri di formula e il software per fogli di calcolo può eseguirlo all'apertura. Tratta con attenzione le esportazioni non attendibili.
Perché il conteggio delle righe finali è diverso?
Record vuoti, ritorni a capo tra virgolette, righe con formato errato e configurazione del parser possono modificare ciò che viene conteggiato come riga.